本文来自微信公众号： 歪睿老哥 ，作者：歪睿老哥
写GPU内核这活儿有多痛苦，搞过深度学习的都懂。一个算子优化，专家得折腾2-8周，而且换个硬件平台又得重写一遍。
Meta搞了个大新闻，开源了KernelEvolve——一个用AI智能体自动生成高性能内核的框架。
说白了，就是让AI帮你写CUDA/Triton代码，效果比人写的还快，最高能提升17倍性能！
为啥需要这玩意儿？
Meta每天要给数十亿用户做广告排序推理，执行数百万亿次计算，耗电量是兆瓦级别的。微秒级的延迟优化，直接影响用户体验和公司收入。
但现在的问题是三大维度的诅咒：
1.模型架构千奇百怪——Transformer、CNN、推荐模型，算子需求各不相同
2.硬件平台五花八门——NVIDIA、AMD、还有Meta自己搞的MTIA芯片
3.编程模型碎片化——CUDA、Triton、CuTe、TLX，学都学不过来
维度灾难：模型×算子×硬件的组合爆炸
KernelEvolve应用场景
KernelEvolve是啥？
简单说，这就是一个AI驱动的内核代码生成器。
你给它一个算子规格（输入输出啥样、要干啥），它自动给你生成优化好的内核代码。
KernelEvolve系统概览
系统架构分三层：
最上层是搜索策略——用贪心搜索、MCTS（蒙特卡洛树搜索）、进化算法来探索代码空间。
中间是智能体核心——几个子代理分工合作：深度搜索代理查知识库、上下文记忆代理分析运行时反馈、MTIA知识注入针对Meta自研芯片优化。
底层是评估工具——验证代码正确性、分析性能瓶颈、生成诊断报告。
KernelEvolve详细系统架构
核心技术亮点
1.通用算子设计
传统AI代码生成是固定的Draft/Debug/Improve三件套。KernelEvolve搞了个通用算子，通过检索增强提示合成，动态适应不同的运行时上下文。一套代码走天下。
通用算子通过检索增强提示合成动态适应上下文
2.支持专有硬件
Meta自己搞的MTIA芯片，训练语料里根本没有。KernelEvolve通过知识注入，把硬件特性文档喂给系统，LLM就能生成生产级的MTIA内核。
支持的硬件平台：
-NVIDIA GPU：Triton→LLVM-IR→PTX/CUBIN
-AMD GPU：类似NVIDIA的Triton支持
-MTIA（Meta自研）：Triton→RISC-V Binary
MTIA的AI芯片架构
效果咋样？
基准测试：KernelBench 250道题100%通过率，PyTorch ATen 160个算子×3个平台=480种配置100%正确。
生产环境性能提升：
深度学习模型性能提升
-Llama-3.1-8B Attention：4.6倍加速
-Conv1d卷积：6.5倍加速
-Conv2d卷积：4.7倍加速
-MergeBucketizedDense Transform：9.3倍加速
-Batch Event Truncate：9.8倍加速
-MTIA RMSNorm 2D Backward：17倍加速
开发效率：从数周缩短至数小时。
启示
✅Triton现在已经是Meta的主力编程模型，超过8000个内核，增长率60%，超过停滞的CUDA代码库
✅内核覆盖度决定系统部署可行性——缺关键算子会迫使采用分解式服务架构，增加10-20ms网络延迟
✅新兴DSL（CuTe、TLX、Helion）造成5种以上语言的编程模型碎片化，AI代码生成是解决之道
最后唠两句
KernelEvolve的意义不只是自动化写代码，它解决的是一个根本问题：新AI硬件的可编程性门槛。
以前出个新芯片，得等好几年才有成熟的软件生态。现在通过知识注入，AI可以直接学习新硬件特性，立刻开始生成优化代码。
这套方法不光能用在GPU，任何新兴加速器都能受益。以后搞AI芯片的创业公司，不用愁软件生态了，KernelEvolve这种工具就是破局关键。
你觉得AI自动写内核代码会取代手写CUDA专家吗？评论区聊聊。
论文：KernelEvolve:Scaling Agentic Kernel Coding for Heterogeneous AI Accelerators at Meta
arXiv:2512.23236v3